基于OPNET的智能变电站网络性能优化建模与仿真分析

智能变电站网络性能对变电站继电保护的实时性、信息传输的完整性和应用的有效性有直接影响。从仿真建模角度探究智能变电站网络实时性,为变电站通信网络系统运行提供分析手段和优化方法。首先剖析智能变电站通信网络系统结构,利用OPNET模拟智能变电站通信网络运行场景。接着在深入分析智能变电站通信网络实时性情况的基础上,提出基于DiffServ机制的交换式局域网网络性能优化方案。最后通过OPNET仿真平台模拟和分析该方案的运行场景。结果表明所提方案能够有效提高智能变电站的网络性能。     

生成对抗网络及其在新能源数据质量中的应用研究综述

由于新能源数据的随机性和波动性等特点,并网数据存在的数据缺失、重复、异常以及分布不均匀等数据质量问题变得越来越突出,针对数据质量的评估和治理等研究对新能源的发展具有重要的积极意义。传统数据质量研究手段不适用于解决新能源数据质量问题,而人工智能算法在处理这方面问题上具有无可比拟的优点。生成对抗网络(generative adversarial networks,GAN)是人工智能领域近年来最热门的研究方向之一,其出色的数据生成能力受到了广泛的关注。本文首先介绍了经典GAN的架构、优劣势及其改进综述;接着对GAN在新能源方面的应用进行了综述;然后概述了新能源数据质量研究文献,并阐述了GAN在新能源数据质量方面的应用;最后总结并展望了未来GAN在新能源方面的可能应用。     

压接型IGBT在MMC系统中的电热耦合仿真

目前已知的高压柔性直流输电工程中的电压源换流器(voltage source converter,VSC)大多采用模块化多电平换流器(modular multi-level converter,MMC),MMC子模块中半桥子模块的应用最为广泛。高压直流输电系统的高可靠性要求半桥子模块的搭建必须采用压接型的绝缘栅双极型晶体管(insulated gate bipolar transistor,IGBT)。本文主要针对压接型IGBT半桥模块的MMC展开电热耦合的仿真,探索出一种基于Foster热网络的电热耦合仿真方法,从热稳定性的角度对MMC系统的安全运行域进行了刻画。     

基于相似日和回声状态网络的光伏发电功率预测

光伏发电功率预测对提高光伏电站控制、调度性能以及保证电网的安全稳定运行具有重要意义。提出一种基于相似日和回声状态网络（ESN）的光伏发电功率预测模型。首先运用相关性分析法对光伏发电功率的影响因素进行了深入分析,并筛选出其主要影响因素;再利用主要影响因素的历史气象信息建立气象特征向量,通过计算灰色关联度（GRA）寻找合适的相似日;最后运用ESN创建预测模型,利用相似日历史数据训练ESN,而后对预测日的输出功率进行逐时预测。算例表明,对比传统模型,GRA-ESN模型具有更高的预测精度和更好的可行性。     

基于电力图形描述规范的智能变电站网络通信可视化方法研究

为解决智能变电站二次回路不可视、不可控和不可测的问题,提出了一种以电力系统图形描述规范（G语言）文件作为图形交互操作对象、利用Qt开发工具进行G语言文件解析及图形界面开发的方法,并给出了智能变电站通信网络拓扑、二次回路及其实时链接状态可视化的具体实现方法。相比现有的直接解析SCD文件的可视化方法,基于本文方法得到的程序拓展性强、交互性好。     

基于贝叶斯网络的电网复杂故障推演新方法

为了分析电网复杂故障过程,基于保护装置与断路器的动作信息构建贝叶斯网络,提出了电网复杂故障推演新方法。应用电网实际拓扑结构信息、继电保护装置和断路器的动作信息构建贝叶斯网络。基于贝叶斯网络进行故障元件诊断,针对远后备保护、近后备保护误判的两种特殊情况,制定了专家系统规则实现保护拒动、误动的识别。将保信系统上送信息与拒动误动分析结果按主保护层-近后备保护-远后备保护-断路器层顺序进行信息整合,推演出发生故障时各层保护装置以及断路器动作先后顺序,实现了电网复杂故障推演。     

基于改进粒子群算法的农村配电网分布式光伏选址定容研究

为了解决农村配电网电压质量低和网络损耗严重等问题,建立了考虑低碳环保费用的改善电压过低和网损的分布式光伏布点定容方案,以分布式光伏投资费用、低碳环保费用、损耗费用、购电费用以及运行维护费用最小化为规划模型,利用三角模糊数层次分析法对数学规划模型进行处理。为解决粒子群算法的"早熟"问题,提出引入动态差分变异、杂交操作及保留精英策略改进标准粒子群算法,并对所建立的数学模型进行求解分析。通过实际案例验证了所提规划模型的经济性和优化方案对改善电压质量和网损的有效性以及算法的准确性。     

基于长短期记忆网络的PMU不良数据检测方法

同步相量测量单元(Phasor Measurement Units, PMUs)因其同步性、快速性和准确性,已成为复杂电力系统状态感知的最有效工具之一。但是,现场的复杂环境导致PMU数据存在数据丢失、数据损坏、同步异常、噪声影响等质量问题,严重影响其在系统中的各类应用,甚至威胁电网安全稳定运行。提出了一种基于长短期记忆(Long Short-Term Memory,LSTM)网络的PMU不良数据检测方法。首先分析了LSTM在不良数据检测中的优势。然后基于LSTM网络对时间序列选择记忆的特性,构造了一种双层LSTM网络架构,提出了对原始数据的分解重构方法。在此基础上,定义了两种目标函数,以获得不同的误差特征。提出了一种基于决策树的不良数据阈值确定方法,实现了不良数据的有效检测。通过大量仿真与实测数据验证了该方法的可行性和准确性,可提高PMU数据质量,使其更好地应用于电力系统的各个方面。     

基于结构熵的电力骨干通信网抗毁性研究

电力骨干通信网抗毁性分析对于评价电力通信网络的生存性能,制定网络的保护策略具有重要的意义。结合复杂网络异构性,基于电力骨干通信网拓扑结构,构建了网络节点差异性矩阵。依据电力通信的业务特点,将链路传输流量作为链路的权重,构建了网络链路差异性矩阵。融合节点及链路差异性定义了节点重要度及电力骨干通信网的结构熵。以一个实例网络对网络的节点重要度及蓄意攻击下以结构熵为指标的网络抗毁性进行了仿真分析,结果表明了所提方法的合理性和有效性。     

基于双向长短时记忆网络的母线负荷分解方法

目前在负荷分解领域的研究工作多以家庭住宅的总负荷分解为电器级别的负荷为主,对于中高电压等级的母线负荷分解研究较少,为解决这一问题,本文提出了一种基于双向长短时记忆网络(Bi-directional Long Short-Term Memory, Bi-LSTM)的中高电压等级母线负荷分解算法。首先在LSTM的基础上构建了Bi-LSTM,其次以母线负荷和其对应的外部信息源(如日期类型、天气等)作为Bi-LSTM的输入量,母线负荷的各下属建筑负荷作为输出量,对Bi-LSTM进行训练,最后以网络分解的母线负荷构成值与实际值间的平均相对误差作为评价指标,实验结果表明该方法可有效对构成成分未知的母线负荷进行分解。#$NL关键词：母线负荷;负荷分解;人工智能;双向长短时记忆网络#$NL中图分类号：TM769